基于视频监控的人数统计方法和系统技术方案

本发明专利技术公开了一种基于视频监控的人数统计方法和系统。本发明专利技术基于视频监控，并通过人头检测、以及对人头的运动估计和跟踪来实现人数统计，以避免由人实现人数统计时、由于难以保持足够的精力而造成的计数误差，且考虑到视频监控摄像机按照在监控场景中通常设置在比较高的位置、并斜向下获取视频，因而即使场景中人流密集，所有的人头基本上也都是可见的，可实时检测到所有这些人头，并在视频中进行连续的跟踪以实现精确的计数，这样能够避免由人实现人数统计时由于人流密集而造成的漏计人数。

【技术实现步骤摘要】

本专利技术涉及视频监控技术，特别涉及一种基于视频监控的人数统计方法 以及一种基于视频监控的人数统计系统。
技术介绍
在例如超市、写字楼、地铁的出入口等场景，通常设置有视频监控系统 的摄像头、以便实现对超市、写字楼、地铁的出入口等场景进行视频监控。同时，出于某些特定需要，在上述各场景中，通常还需要统计出入的人 数。而现有技术中的视频监控无法实现人数统计，因而上述的统计通常需要 由人来完成。然而，由于完成上述统计的人难以长时间集中精力 一 直保持对出入人数 的精确计数，且在人流密集时容易漏计人数，因而由人来实现人数统计不但 耗费人力，且人数统计的精度也不高。
技术实现思路
有鉴于此，本专利技术提供了一种基于视频监控的人数统计方法以及一种基 于视频监控的人数统计系统，能够基于视频监控实现人数统计。本专利技术提供的 一 种基于视频监控的人数统计方法，包括 al、在当前图像中进行人头检测，确定当前图像中的各人头； a2、利用当前图像、以及当前图像中各人头的位置，估算出前一帧图像 中各人头的平移矢量速度；a3、根据前一帧图像中各人头的平移矢量速度，对前一帧图像中各人头 进行预测跟踪，确定前一帧图像中各人头在当前图像中分别对应的人头，同 时还确定新出现在当前图像中的人头、以供对下一帧图像执行所述步骤a2和a3时使用；a4、根据前一帧图像中各人头的数量、和/或前一帧图像中各人头在当 前图像中分别对应的人头的数量，确定当前图像中的人数。所述步骤al之前，该方法进一步包括a0、利用前一帧图像的背景区 域，从当前图像中检测包含运动物体的前景区域；且，所述步骤al中仅在当前图像的前景区域中检测人头。从当前图像中检测包含运动物体的前景区域之后，所述步骤a0进一步 包括a01、将前一帧图像中的各运动物体与当前图像中各运动物体进行像素 匹配，并根据像素匹配的运动物体在前一帧图像与当前图像中的位置差，估 算出前一帧图像中各运动物体的平移矢量速度；a02、根据估算出的前一帧图像中各运动物体的平移矢量速度确定前一 帧图像中各运动物体的预测跟踪位置，并将前 一 帧图像中各运动物体的预测 跟踪位置与当前图像中各运动物体的实际位置进行匹配，以确定前一帧图像 中各运动物体在当前图像中分别对应的运动物体、以及新出现在当前图像中 的运动物体；a03、将当前图像中在前几帧图像中均未移动的运动物体设置为当前图 像的背景，以供从下 一 帧图像中检测包含运动物体的前景区域时使用。 所述步骤al包括al 1 、在当前图像的前景区域中搜索得到候选人头窗口 ；a12、利用预先通过若干人头正样本和反样本训练得到的第一级分类器，从搜索得到的所有候选人头窗口分别抽取Haar微特征和灰度均值特征，并根据抽取的Haar微特征和灰度均值特征对搜索得到的所有候选人头窗口进行第一级4企测过滤；a3、对第一级检测过滤后剩余的候选人头窗口进行灰度归一化处理； a14、利用预先通过若干人头正样本和反样本训练得到的第二级分类器，从灰度归一化处理后的所有候选人头窗口分别抽取Haar微特征，并根据抽9取的Haar微特征对灰度归一化处理后的所有候选人头窗口进行第二级检测 过滤；a15、将第二级检测过滤后剩余的所有候选人头窗口中，相邻的多个候 选人头窗口进行合并；a16、计算合并得到的所有候选人头窗口与预设人头特征规则的相似性；a17、将相似性大于预设第一阈值的候选人头窗口确定为人头。所述步骤all中，按照预设计数子区域的位置、尺寸和形状仅在当前图 像的部分前景区域中执行所述搜索，和/或在执行所述搜索时仅搜索预设人 头尺寸的候选人头窗口 。所述步骤a2包括将前一帧图像中的各人头与当前图像中各人头进行 像素匹配，并根据像素匹配的人头在前一帧图像与当前图像中的位置差，估 算出前一帧图像中各人头的平移矢量速度。所述步骤a3包括根据估算出的前一帧图像中各人头的平移矢量速度 确定前一帧图像中各人头的预测跟踪位置，并将前一帧图像中各人头的预测 跟踪位置与当前图像中各人头的实际位置进行匹配，以确定前一帧图像中各 人头在当前图像中分别对应的人头、以及新出现在当前图像中的人头。在所述步骤a4中，所确定的当前图像中的人数仅包括在连续N帧图 像中均出现的人头的数量，其中，N为大于等于2的正整数；和/或，所确定的当前图像中的人数仅为预设计数子区域的位置、尺寸 和形状内的人数。在所述步骤a4中，所确定的当前图像中的人数仅包括在连续N帧图 像中均出现、且在连续N帧图像中的所述相似性总合大于预设第二阈值的 人头的数量，其中，N为大于等于2的正整数。在所述步骤a4中，进一步根据所述步骤a2得到的平移矢量速度，分别 确定当前图像中在不同运动方向的人数。本专利技术提供的一种基于视频监控的人数统计系统，包括人头检测模块，用于在当前图像中进行人头检测，确定当前图像中的各人头；图像存储模块，用于存储前一帧图像、以及表示前一帧图像中各人头的人头检测结果；运动估计模块，用于利用当前图像、以及当前图像中各人头的位置，估 算出前一帧图像中各人头的平移矢量速度；预测跟踪模块，用于根据前一帧图像中各人头的平移矢量速度，对前一 帧图像中各人头进行预测跟踪，确定前一帧图像中各人头在当前图像中分别 对应的人头，同时还确定新出现在当前图像中的人头、以供所述速度估计模 块和所述预测跟踪模块处理下一帧图像时使用；数量确定模块，用于根据前一帧图像中各人头的数量、和/或前一帧图 像中各人头在当前图像中分别对应的人头的数量，确定当前图像中的人数。该系统进一步包括前景检测模块，用于利用前一帧图像的背景区域， 从当前图像中检测包含运动物体的前景区域；且，所述人头检测模块仅在当前图像的前景区域中检测人头。所述前景检测模块包括:前景提取子模块，用于从当前图像中检测包含 运动物体的前景区域；且，所述前景检测模块进一步包括运动估计子模块，用于将前一帧图像中的各运动物体与当前图像中各运 动物体进行像素匹配，并根据像素匹配的运动物体在前一帧图4象与当前图像 中的位置差，估算出前一帧图像中各运动物体的平移矢量速度；预测跟踪子模块，用于根据估算出的前一帧图像中各运动物体的平移矢 量速度确定前 一 帧图像中各运动物体的预测跟踪位置，并将前 一 帧图像中各 运动物体的预测跟踪位置与当前图像中各运动物体的实际位置进行匹配，以 确定前 一 帧图像中各运动物体在当前图像中分别对应的运动物体、以及新出 现在当前图像中的运动物体；背景更新子模块，用于将当前图像中在前几帧图像中均未移动的运动物 体设置为当前图像的背景，以供所述前景提取子模块从下一帧图像中检测包含运动物体的前景区域时使用。 所述人头检测模块包括窗口搜索子模块，用于在当前图像的前景区域中搜索得到候选人头窗口 ；利用预先通过若干人头正样本和反样本训练得到的第 一级分类器，用于从搜索得到的所有候选人头窗口分别抽取Haar微特征和灰度均值特征，并 根据抽取的Haar微特征和灰度均值特征对搜索得到的所有候选人头窗口进 行第一级4企测过滤；灰度归 一 化子模块，用于对第 一 级检测过滤后剩余的候选人头窗口进行 灰度归一化处理；利用预先通过若干人头正样本和反样本训练得到的第二级分类器，用于从灰度归 一化处理后的所有候选人头窗口分别抽取Haar微特征，并本文档来自技高网...

【技术保护点】
一种基于视频监控的人数统计方法，其特征在于，该方法包括：　ａ１、在当前图像中进行人头检测，确定当前图像中的各人头；　ａ２、利用当前图像、以及当前图像中各人头的位置，估算出前一帧图像中各人头的平移矢量速度；　ａ３、根据前一帧 图像中各人头的平移矢量速度，对前一帧图像中各人头进行预测跟踪，确定前一帧图像中各人头在当前图像中分别对应的人头，同时还确定新出现在当前图像中的人头、以供对下一帧图像执行所述步骤ａ２和ａ３时使用；　ａ４、根据前一帧图像中各人头的数量、和 ／或前一帧图像中各人头在当前图像中分别对应的人头的数量，确定当前图像中的人数。

【技术特征摘要】
1、一种基于视频监控的人数统计方法，其特征在于，该方法包括a1、在当前图像中进行人头检测，确定当前图像中的各人头；a2、利用当前图像、以及当前图像中各人头的位置，估算出前一帧图像中各人头的平移矢量速度；a3、根据前一帧图像中各人头的平移矢量速度，对前一帧图像中各人头进行预测跟踪，确定前一帧图像中各人头在当前图像中分别对应的人头，同时还确定新出现在当前图像中的人头、以供对下一帧图像执行所述步骤a2和a3时使用；a4、根据前一帧图像中各人头的数量、和/或前一帧图像中各人头在当前图像中分别对应的人头的数量，确定当前图像中的人数。2、 如权利要求l所述的方法，其特征在于，所述步骤al之前，该方法 进一步包括a0、利用前一帧图像的背景区域，从当前图像中检测包含运动 物体的前景区域；且，所述步骤al中仅在当前图像的前景区域中检测人头。3、 如权利要求2所述的方法，其特征在于，从当前图像中检测包含运 动物体的前景区域之后，所述步骤aO进一步包括a01、将前一帧图像中的各运动物体与当前图像中各运动物体进行像素 匹配，并根据像素匹配的运动物体在前一帧图像与当前图像中的位置差，估 算出前一帧图像中各运动物体的平移矢量速度；a02、根据估算出的前一帧图像中各运动物体的平移矢量速度确定前一 帧图像中各运动物体的预测跟踪位置，并将前一帧图像中各运动物体的预测 跟踪位置与当前图像中各运动物体的实际位置进行匹配，以确定前一帧图像 中各运动物体在当前图像中分别对应的运动物体、以及新出现在当前图像中 的运动物体；a03、将当前图像中在前几帧图像中均未移动的运动物体设置为当前图像的背景，以供从下 一帧图像中检测包含运动物体的前景区域时使用。4、 如权利要求2所迷的方法，其特征在于，所述步骤al包括 all、在当前图像的前景区域中搜索得到候选人头窗口；a12、利用预先通过若干人头正样本和反样本训练得到的第一级分类器， 从搜索得到的所有候选人头窗口分别抽取Haar微特征和灰度均值特征，并 根据抽取的Haar微特征和灰度均值特征对搜索得到的所有候选人头窗口进 行第一级检测过滤；a13、对第 一级检测过滤后剩余的候选人头窗口进行灰度归一化处理； a14、利用预先通过若干人头正样本和反样本训练得到的第二级分类器， 从灰度归一化处理后的所有候选人头窗口分别抽取Haar微特征，并根据抽 取的Haar微特征对灰度归一化处理后的所有候选人头窗口进行第二级检测 过滤；a15、将第二级检测过滤后剩余的所有候选人头窗口中，相邻的多个候 选人头窗口进行合并；a16、计算合并得到的所有候选人头窗口与预设人头特征规则的相似性； a17、将相似性大于预设第一阈值的候选人头窗口确定为人头。5、 如权利要求4所述的方法，其特征在于，所述步骤all中，按照预 设计数子区域的位置、尺寸和形状仅在当前图像的部分前景区域中执行所述 搜索，和/或在执行所述搜索时仅搜索预设人头尺寸的候选人头窗口 。6、 如权利要求1至5中任一项所述的方法，其特征在于，所述步骤a2 包括将前一帧图像中的各人头与当前图像中各人头进行像素匹配，并根据 像素匹配的人头在前一帧图像与当前图像中的位置差，估算出前一帧图像中 各人头的平移矢量速度。7、 如权利要求1至5中任一项所述的方法，其特征在于，所述步骤a3 包括根据估算出的前一帧图像中各人头的平移矢量速度确定前一帧图像中 各人头的预测跟踪位置，并将前一帧图像中各人头的预测跟踪位置与当前图 像中各人头的实际位置进行匹配，以确定前一帧图像中各人头在当前图像中分别对应的人头、以及新出现在当前图像中的人头。8、 如权利要求1至5中任一项所述的方法，其特征在于，在所述步骤a4中，所确定的当前图像中的人数仅包括在连续N帧图像中均出现的人 头的数量，其中，N为大于等于2的正整数；和/或，所确定的当前图像中的人数仅为预设计数子区域的位置、尺寸 和形状内的人数。9、 如权利要求4所述的方法，其特征在于，在所述步骤a4中，所确定 的当前图像中的人数仅包括在连续N帧图像中均出现、且在连续N帧图 像中的所述相似性总合大于预设第二阈值的人头的数量，其中，N为大于等 于2的正整数。10、 如权利要求1至5中任一项所述的方法，其特征在于，在所述步骤 a4中，进一步根据所述步骤a2得到的平移矢量速度，分别确定当前图像中 在不同运动方向的人数。11、 一种基于视频监控的人数统计系统，其特征在于，包括 人头检测模块，用于在当前图像中进行人头检测，确定当前图像中的各人头；图像存储模块，用于存储前一帧图像、以及表示前一帧图像...

【专利技术属性】
技术研发人员：黄英，
申请(专利权)人：北京中星微电子有限公司，
类型：发明
国别省市：11[中国|北京]